原标题：风向2018｜“友商”暗战，“合作伙伴”神离，2018年AI公司“化友为敌”是常态 ？

一场对外公开的展示上，一家做NLP技术的厂商，担心语音识别的合作伙伴从中作梗，提前预备了Plan B——一旦遇到意外立即切换到另一家语音识别服务商；一场私下的交流里，一名AI公司的CEO几乎吐槽了赛道上所有的竞品，虽然接受媒体采访时，这个赛道上所有的公司几乎都口径一致——“ 这些公司都是业内特别优秀的公司，只是做的业务重点不相同”；为了拖慢另一家体量类似的竞品融资进度，一家公司主动找到了券商沟通交流，希望有机会反向影响投资人的选择；为了监测、防止合作伙伴涉足自己在做的业务，一家大体量的AI公司一旦监测到合作伙伴购买了自己公司的硬件产品，就会第一时间致电合作伙伴质问意图……

这些2017年真实发生的小细节背后，正是当下AI领域创业的部分缩写：“友商”明争暗战，“合作伙伴”貌合神离。在技术强导向且应用较为成熟的赛道，这样的趋势格外明显。

2018年，伴随着商业化落地的竞争加剧，融资大环境趋紧且融资金额上升，更多的AI公司或许会进一步“相爱相杀”，“化友为敌” 或会成为2018年AI的新常态？

当前，国内人工智能领域的创业，最成熟的方向还主要是基于语音识别、人脸识别。基于深度学习算法，近年来语音识别、人脸识别实验室场景下、实际商用场景中的准确率都在提升，在诸如汽车、安防等领域具有了商用的需求与初步可能，也为技术公司带来或者正在带来“真金白银”及“入口级机会”。

从2012年开始，国内开始出现第一波语音识别、人脸识别的创业公司，发展至今，其中不少先行者已进入行业的第一、二梯队。但2016年，AlphaGo战胜李世石，引发了全球范围内对人工智能的关注，也带动了创投热潮及应用热潮。这直接产生了两个影响：

① 过去两年，在这两个大的方向上，出现了新一批新公司，既有直接竞品，也有上下游公司，其中不少也获得了资本加持。

② 过去两年，潜在客户对应用AI技术高度热情，出现了一批真实的、甚至付费的需求，行业有了盈利的可能。

上述两个因素共同作用的结果是：行业竞争激烈，压缩了AI公司的正常成长周期，使得短期内合纵连横成为必然。

但在2018年，AI 公司的梯队差距进一步拉大，资源、资金、关注度等都会向第一、二梯队倾斜。这也会产生几个变量因素：

① 客户资源向第一、二梯队倾斜，为向客户提供更好的全套解决方案，AI公司有倾向于全产业链的需求。

② 资金开始向第一、二梯队聚拢，此消彼长，有了做全产业链研发的资金支持和时间窗口。

③ 与合作方共同作为产业链的上游，AI公司能够分得的蛋糕有限，在可以明确赚钱的预期下，很可能会拓展上下游业务，以分得更多的蛋糕。

基于上述几个判断，我们认为2018年，更多的AI公司或许会进一步“相爱相杀”，“化友为敌” 或会成为2018年AI行业的新常态。

但具体到智能语音、机器视觉的大赛道，又会呈现出不同的行业特性。

智能语音行业虽然变现较难，但因为具有入口级价值，合作伙伴“貌合神离”，会呈现出更明显的全产业链的趋势，不管哪个环节切入，都可能希望完成“ 麦克风阵列/ 硬件终端——语音识别——语义理解——语音合成——应用及服务”的部分或者全部。机器视觉行业商业化竞争加剧，同质化竞争严重，客户需要的是全套完整解决方案，AI芯片、视觉算法、摄像头等方向的公司都会倾向于尽可能提供整套解决方案。

1、智能语音

在智能语音方面，最早的语音创业是从语音合成、语音识别开始，也基本形成了科大讯飞、百度、出门问问、思必驰等知名公司，但近年来，技术成熟，语义理解方面技术有了提升；智能语音交互开始落地，麦克风阵列的需求提升，在这两个方向上也开始涌现初创公司。前者包括了三角兽、蓦然认知等，后者包括了声智、先声互联、GMEMS等。

声学、语音相关的产业此前给人的印象就是不赚钱。即使是行业里最为知名的公司，亦是如此。以声学领域的楼氏、智能语音领域的科大讯飞为例，2016年成立于1946年的楼氏公司全年营收为8.6亿美元，基本与2015年持平，低于2014年；科大讯飞 2016年全年营收33亿元，增速32%左右，净利润为5亿元，增速14%左右。

但随着2016年亚马逊Alex和Echo走红，智能语音交互的入口价值在2017年进一步显现，成为国内的竞争热点。终端层面百箱大战，技术层面也开启了补贴大战、竞争大战，元器件的价格之争，背后的核心逻辑基本都是“ 麦克风阵列/ 硬件终端——语音识别——语义理解——语音合成——应用及服务”全产业链的趋势。

当前这条产业链上，声学、语音识别、语义理解基本上是三种完全不同的技术，国内的参与方大部分擅长其中的一种或者两种，比如科大讯飞在声学（麦克风阵列）、语音识别方面表现较优，但在语义理解方面还处于提升阶段； 出门问问在语音识别、语义理解两个环节都有发力，但声学并不是强项；蓦然认知在语义理解方面有优势，但之前在声学、语音识别领域则积累并不多。

2017年，在智能音响、智能汽车、智能电视等诸多的应用案例中，很多都是由多方合作实现，不少合作涉及了麦克风阵列、语音识别、语义理解三个提供方，且一个环节可能会同时接入多家合作伙伴。多方合作，不仅意味着沟通成本高，也很可能会在用户体验上出现延迟、效果不佳等问题。36氪此前采访的这个行业的诸多公司都表达了对这种不可控的焦虑。

但随着语音识别领域的算法成熟，智能语音识别起家的公司一是希望开始提升语音理解的能力，为客户提供更好的体验，也有可能切入后端的服务环节，未来增加交易闭环，增加收入，二是为了抢占入口，也希望提供诸如麦克风阵列在内的声学器件；声学器件、语义理解的厂商都希望切入语音识别环节，减少在对接语音识别接口时的损耗。

2018年，智能语音交互领域的平台级博弈还会升级。但在语音识别领域几乎已经很难出现新的大公司，语义理解领域第一、二梯队融到钱的概率很低，声学器件领域新公司除非有技术和成本方面的大突破否则也很难获得大笔资金支持。两种趋势叠加，资金、资源还会向赛场上的玩家聚拢，竞争会进一步加剧。

或许，那时，这些曾经的合作伙伴就真正成为了“友商”。

2、 机器视觉

在机器视觉方向，最早的创业主要从人脸识别这一技术开始，主要是从技术层切入，后期开始向应用层方向拓展，比较早成立的旷视、商汤、依图、云从等都进入第一二梯队，近两年行业开始产生实际的营收，目前真正商业化的场景主要集中在安防、汽车、金融等领域。

但与诸多行业类似，这些客户需要的是整套解决方案，因此这几个领域都是集成商广泛存在。加上机器视觉对算力的高要求，使得传统的设备已经不能满足当前应用的需求。两种因素叠加，2015年开始行业开始出现从算力切入的AI公司，比如地平线、寒武纪、深鉴等；2016年开始出现从行业客户资源切入的公司，如深醒等。

这些公司看似处在不同的细分赛道，但这个阶段面向的都是共同的行业客户——安防、汽车、金融等。而这些客户的需求也十分明确，一整套解决问题的完整方案。以目前商业化进展顺利的安防为例，直接客户需要的是诸如人脸抓拍机、人脸识别闸机等云端一体、软硬一体的整套解决方案。而这些往往同时具备了AI芯片、人脸识别算法、中控系统等要素。

因此，机器视觉领域，不仅友商之间的竞争格外激烈，不同赛道的公司事实上也正成为真实的竞争对手。

但随着2017年机器视觉领域（包含AI芯片）持续吸金，行业不同梯队之间的差距日益明显，只有头部的公司才能获得更多的资金、资源。为了降低投资、合作的风险，甚至有多家机构、合作伙伴合力扶植一家公司。超高的估值，使得这些头部公司已经没有了被收购的可能，加速商业化是必然选项。

2017年，AI芯片的几家公司虽然一直在强调业务侧重不同，但在安防、汽车两个领域已经直接交锋。当然，这也是CV赛道上公司重点看重的业务市场。2018年，已经开始流片的AI芯片公司的商业化也会开始落地，与CV公司的竞争也很可能进一步白热化；而纷纷开始做AI芯片、投资AI芯片的CV公司之间，竞争也会进一步升级。

任何领域，博弈与竞争都再所难免。从近代开始，我们就开始进入竞争社会，几乎所有的社会活动都是在竞争中开展。在商业社会，更是如此，即使是在市场经济探索中的中国。对抗竞争——合作竞争——超越竞争，也是在诸多行业被验证过的竞争模式。

放眼未来，AI被认为是有可能产生新一次工业革命的新技术，全球范围内的竞争不可避免。国内因为人才、技术、政策、资本、数据、用户的优势，在全球范围内都具有不可替代的优势。这种系统级的红利机遇，自然会吸引异常激烈的博弈与竞争。一旦在高强度竞争中取胜，往往也意味着对更多区域市场的降维打击，对于中国的AI公司来说，这是更为难得的历史机遇。

聚焦现在，回到即将到来的战场，考验各家公司CEO和谋士的高光时刻，已经到来。